如何沿特定维度向 PyTorch 张量添加元素？

Question

I have a tensor inps , which has a size of [64, 161, 1] and I have some new data d which has a size of [64, 161] .我如何添加 d 到 inps 这样新的大小是 [64, 161, 2] ？

原文由 Shamoon 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

使用 .unsqueeze() 和 torch.cat() 有一种更简洁的方法，它直接使用 PyTorch 接口：

 import torch

# create two sample vectors
inps = torch.randn([64, 161, 1])
d = torch.randn([64, 161])

# bring d into the same format, and then concatenate tensors
new_inps = torch.cat((inps, d.unsqueeze(2)), dim=-1)
print(new_inps.shape)  # [64, 161, 2]

本质上，取消压缩第二维已经使两个张量具有相同的形状；你只需要小心沿着正确的维度解压。类似地，不幸的是， 串联 与其他类似命名的 NumPy 函数的命名不同，但行为相同。请注意，不是让 torch.cat 通过提供 dim=-1 来计算维度，您还可以显式提供要连接的维度，在这种情况下，将其替换为 dim=2 。

请记住 concatenation 和 stacking 之间的区别，这有助于解决张量维度的类似问题。

原文由 dennlinger 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

您必须首先重塑 d 以便它具有第三个维度，沿着该维度可以进行串联。当它有了第三维并且两个张量的维数相同之后，就可以使用torch.cat((inps, d),2)来堆叠它们了。

 old_shape = tuple(d.shape)
new_shape = old_shape + (1,)
inps_new = torch.cat( (inps, d.view( new_shape ), 2)

原文由 Conor 发布，翻译遵循 CC BY-SA 4.0 许可协议